基于深度学习的医学图像分割综述

医学影像分割关键任务之一是计算机辅助诊断,为精确识别出病变区域以及目标器官、组织的诊断提供技术支持。然而,医学影像往往存在纹理复杂、噪声大、边界模糊等基本特点,并且标注数据有限且可能存在标注误差因素,这使得基于传统图像分割算法难以满足临床应用需求。近年来,基于深度学习的医学图像分割方法因表征和上下文信息捕获能力不断改进取得了极大的成功。文章将从不同分割模型及变种模型阐述计算机视觉下的医学影像分割方法及其难点,对当前具有代表性的深度学习医学影像分割方法展望了未来的研究趋势。